MATLAB自動駕駛函數(shù)及應(yīng)用

定　價：￥78.00

作　者：	崔勝民編
出版社：	化學工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥62.40)

ISBN：	9787122373236	出版時間：	2020-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	196	字數(shù)：

內(nèi)容簡介

　　《MATLAB自動駕駛函數(shù)及應(yīng)用》詳細介紹了MATLAB用于汽車自動駕駛仿真的函數(shù)及應(yīng)用，涵蓋駕駛場景、鳥瞰圖、環(huán)境感知、路徑規(guī)劃和目標跟蹤共125個函數(shù)，每個函數(shù)都給出了應(yīng)用實例。書中所涉及的實例，都提供了原程序，并對程序進行了注釋，方便讀者快速理解和掌握。本書內(nèi)容豐富，圖文并茂，通俗易懂，實用性強，可作為從事自動駕駛及智能網(wǎng)聯(lián)汽車開發(fā)的工程技術(shù)人員及相關(guān)專業(yè)的本科生、研究生的參考用書，也可供MATLAB應(yīng)用愛好者閱讀學習。

作者簡介

　　崔勝民，哈爾濱工業(yè)大學（威海），教授，主要研究方向是汽車系統(tǒng)動力學與控制、新能源汽車技術(shù)和特種車輛等，主持完成各類科研項目20余項，發(fā)表論文60余篇，培養(yǎng)各類研究生120余人，編著有《新能源汽車技術(shù)解析》《現(xiàn)代汽車技術(shù)解析》《智能網(wǎng)聯(lián)汽車新技術(shù)》《智能網(wǎng)聯(lián)汽車先進駕駛輔助系統(tǒng)關(guān)鍵技術(shù)》《一本書讀懂新能源汽車》《一本書讀懂智能網(wǎng)聯(lián)汽車》《基于MATLAB的車輛工程仿真實例》《基于MATLAB的新能源汽車仿真實例》《MATLAB編程與汽車仿真應(yīng)用》等多本圖書。

圖書目錄

第1章　駕駛場景　/ 1
1.1　drivingScenario：創(chuàng)建駕駛場景 2
1.2 plot：繪制駕駛場景 3
1.3 road：添加道路 4
1.4 roadNetwork：添加道路網(wǎng) 5
1.5 roadBoundaries：道路邊界 6
1.6 laneMarking：車道標線 8
1.7 laneMarkingVertices：車道標線頂點 10
1.8 laneType：車道類型 12
1.9 lanespec：車道規(guī)范 13
1.10 vehicle：添加車輛 14
1.11 actor：添加交通參與者 17
1.12 trajectory：交通參與者軌跡 19
1.13 actorPoses：交通參與者姿態(tài) 20
1.14 actorProfiles：交通參與者特性 22
1.15 currentLane：當前車道 23
1.16 record：交通參與者狀態(tài)記錄 25
1.17 chasePlot：繪制追逐圖 26
1.18 laneBoundaries：車道邊界 28
1.19 clothoidLaneBoundary：回旋線車道邊界模型 31
1.20 computeBoundaryModel：計算車道邊界點 33
1.21 targetPoses：目標姿態(tài) 34
1.22 targetOutlines：目標輪廓 35
1.23 updatePlots：更新駕駛場景圖 37
1.24 radarDetectionGenerator：雷達檢測器 38
1.25 visionDetetionGenerator：視覺檢測器 41

第2章　鳥瞰圖　/ 45
2.1　birdsEyePlot：創(chuàng)建鳥瞰圖 46
2.2 coverageAreaPlotter：覆蓋區(qū)繪圖儀 47
2.3 plotCoverageArea：繪制覆蓋區(qū) 48
2.4 detectionPlotter：檢測繪圖儀 49
2.5 plotDetection：繪制目標檢測 50
2.6 laneBoundaryPlotter：車道邊界繪圖儀 52
2.7 plotLaneBoundary：繪制車道邊界 53
2.8 laneMarkingPlotter：車道標線繪圖儀 54
2.9 plotLaneMarking：繪制車道標線 56
2.10 pathPlotter：路徑繪圖儀 58
2.11 plotPath：繪制路徑 59
2.12 trackPlotter：軌跡繪圖儀 61
2.13 plotTrack：繪制軌跡 62
2.14 outlinePlotter：輪廓繪圖儀 63
2.15 plotOutline：繪制輪廓 65
2.16 findPlotter：查找繪圖儀 66
2.17 clearPlotterData：清除繪圖儀數(shù)據(jù) 68
2.18 clearData：清除特定繪圖儀數(shù)據(jù) 69

第3章　環(huán)境感知　/ 71
3.1　monoCamera：配置單目攝像機 72
3.2 imageToVehicle：圖像坐標轉(zhuǎn)換為車輛坐標 73
3.3 vehicleToImage：車輛坐標轉(zhuǎn)換為圖像坐標 75
3.4 estimateMonoCameraParameters：單目攝像機外部參數(shù) 75
3.5 birdsEyeview：利用逆透視變換創(chuàng)建鳥瞰圖對象 77
3.6 transformImage：將圖像轉(zhuǎn)換為鳥瞰圖像 78
3.7 imageToVehicle：將鳥瞰圖像坐標轉(zhuǎn)換為車輛坐標 79
3.8 vehicleToImage：將車輛坐標轉(zhuǎn)換為鳥瞰圖像坐標 81
3.9 segmentLaneMarkerRidge：檢測灰度圖像中的車道 82
3.10 parabolicLaneBoundary：拋物線車道邊界模型 83
3.11 findParabolicLaneBoundaries：用拋物線模型尋找車道邊界 84
3.12 insertLaneBoundary：在圖像中插入車道邊界 86
3.13 cubicLaneBoundaryModel：三次方車道邊界模型 87
3.14 findCubicLaneBoundaries：用三次方模型尋找車道邊界 88
3.15 computeBoundaryModel：求車道邊界坐標值 90
3.16 evaluateLaneBoundaries：評價車道邊界模型 91
3.17 vehicleDetectorACF： ACF車輛檢測器 92
3.18 detect： ACF目標檢測 93
3.19 vehicleDetectorFasterRCNN： RCNN車輛檢測器 95
3.20 peopleDetectorACF： ACF行人檢測器 96
3.21 vision.PeopleDetector：基于HOG特征檢測行人 98
3.22 configureDetectorMonoCamera：單目攝像機目標檢測器 99
3.23 trainACFObjecDetector：訓練ACF目標檢測器 101
3.24 trainFastRCNNObjectDetector：訓練RCNN目標檢測器 103
3.25 trainFasterRCNNObjectDetector：訓練更快的RCNN目標檢測器 105
3.26 trainYOLO v2ObjectDetector：訓練YOLO v2目標檢測器 106
3.27 objecDetectorTrainingData：目標檢測器訓練數(shù)據(jù) 108
3.28 insertMarker：插入標記 109
3.29 pointCloud：創(chuàng)建三維點云 110
3.30 pcdenoise：去除三維點云噪聲 112
3.31 pcmerge：合并三維點云 113
3.32 pcnormals：估計三維點云表面法線 114
3.33 pctransform：三維點云變換 115
3.34 pcregistercpd：基于CPD的三維點云配準 117
3.35 pcregistericp：基于ICP的三維點云配準 118
3.36 pcregisterndt：基于NDT的三維點云配準 120
3.37 pcsegdist：基于歐幾里得的點云分割 121
3.38 segmentLidarData：激光雷達數(shù)據(jù)分割 123
3.39 segmentGroundFromLidarData：激光雷達數(shù)據(jù)分割地面點 125
3.40 pcfitplane：三維點云平面擬合 126

第4章　路徑規(guī)劃　/ 129
4.1　vehicleCostmap：車輛成本圖 130
4.2 vehicleDimensions：車輛尺寸 132
4.3 checkFree：空閑區(qū)檢測 133
4.4 checkOccupied：占用區(qū)域檢測 134
4.5 getCosts：獲取單元格成本 136
4.6 setCosts：設(shè)置單元格成本 138
4.7 inflationCollisionChecker：碰撞檢測 139
4.8 pathPlannerRRT： RRT* 路徑規(guī)劃器 141
4.9 plan：路徑規(guī)劃 142
4.10 checkPathValidity：檢查路徑規(guī)劃的有效性 144
4.11 interpolate：沿路徑插入車輛姿態(tài) 145
4.12 smoothPathSpline：路徑平滑 146
4.13 lateralControllerStanley：橫向控制器 147

第5章　目標跟蹤　/ 149
5.1　multObjectTracker：多目標跟蹤器 150
5.2 objectDetection：單目標檢測報告 151
5.3 getTrackPositions：獲取跟蹤位置 152
5.4 getTrackVelocities：獲取跟蹤速度 153
5.5 trackingKF：線性卡爾曼濾波器 155
5.6 predict：卡爾曼濾波器預測 156
5.7 correct：卡爾曼濾波器校正 157
5.8 initcvkf：勻速線性卡爾曼濾波器 158
5.9 initcakf：加速線性卡爾曼濾波器 159
5.10 trackingEKF：線性擴展卡爾曼濾波器 160
5.11 initcvekf：勻速線性擴展卡爾曼濾波器 161
5.12 initcaekf：加速線性擴展卡爾曼濾波器 162
5.13 initctekf：轉(zhuǎn)向線性擴展卡爾曼濾波器 163
5.14 trackingUKF：無跡卡爾曼濾波器 164
5.15 initcvukf：勻速無跡卡爾曼濾波器 166
5.16 initcaukf：加速無跡卡爾曼濾波器 167
5.17 initctukf：轉(zhuǎn)向無跡卡爾曼濾波器 168
5.18 constvel：勻速運動模型 169
5.19 constveljac：勻速運動的雅可比矩陣 170
5.20 cvmeas：勻速運動測量函數(shù) 171
5.21 cvmeasjac：勻速運動測量函數(shù)的雅可比矩陣 172
5.22 constacc：加速運動模型 173
5.23 constaccjac：加速運動的雅可比矩陣 174
5.24 cameas：加速運動測量函數(shù) 175
5.25 cameasjac：加速運動測量函數(shù)的雅可比矩陣 176
5.26 constturn：轉(zhuǎn)向運動模型 177
5.27 constturnjac：轉(zhuǎn)向運動的雅可比矩陣 178
5.28 ctmeas：轉(zhuǎn)向運動的測量函數(shù) 179
5.29 ctmeasjac：轉(zhuǎn)向運動測量函數(shù)的雅可比矩陣 180

第6章　綜合應(yīng)用實例　/ 182
6.1　汽車自動行駛路線仿真 183
6.2 駕駛場景仿真 184
6.3 汽車前向碰撞仿真 187
6.4 汽車自動避障仿真 188
6.5 基于視覺傳感器的多車輛檢測和跟蹤 190
6.6 基于激光雷達的地面和障礙物檢測 193

參考文獻　/ 196